Plan de análisis para estudios analíticos

Curso: Redacción de Protocolos de Investigación, 2022


Percy Soto-Becerra, M.D., M.Sc(c)

Instituto de Evaluación de Tecnologías en Salud e Investigación – IETSI, EsSalud

2022-11-02

https://github.com/psotob91

Introducción

Agenda

  1. Introducción

  2. Pasos para plantear plan de análisis

  3. Algunas pautas sobre tablas

Investigación ‘analítica’ y nuevo framework de clasificación

  • Algunos autores han planteado una clasifación dicotómica de los estudios:

    • Descriptivos: Si describen.
    • Analíticos: Si “analizan”, es decir, estiman medidas de asociación.
  • Este enfoque es problemático:

    • La clasifación no es muy útil: dicotomiza el mundo.
    • Los métodos estadísticos a usar dependen más de los estadísticos que queremos usar y estos de los estimandos que deseamos obtener.
  • Guías internacionales de reporte, así como agencias, instituciones y asociaciones internacionales dedicadas a métodos cuantitativos en salud prefieren otra clasificación, mucho más funcional.

Clasificación basada en el tipo de obejtivo de los estudios

Los estudios, y sus planes de análisis, pueden ser clasificados de acuerdo a su propósito científico:

Describir versus Predecir versus Explicar

  • Interés en capturar la estructura de datos (patrones) parsimoniosamente.

  • Análisis estadístico se centra en medidas de frecuencia o de resumen, estratificado por algunas cuantas variables de interés.

  • También se hace modelado estadístico: modelado descriptivo.

  • El modelado descriptivo busca identificar qué factores ‘afectan’ al desenlace y cómo:

    • Con ‘afectar’ no estamos hablando de causalidad (contrafactuales).
    • Son los populares estudios de “factores asociados a…”
  • Interés en predicciones precisas de observaciones en nuevos pacientes o personas.

  • No preocupación acerca de causalidad.

    • No tiene sentido hablar de confusión.
    • Aunque algunos proponen ‘interpretatibilidad’ del modelo predictivo, el paradigma de caja negra funciona bien si el modelo predice bien.
  • Medicina:

    • Modelos de predicción clínica para tamizaje, diagnóstico o pronóstico.
  • Teoría sólida es necesaria.

    • Interés en coeficientes e inferencia (intervalo de confianza/credibilidad, valor p, etc.)
  • Prueba y compara teorías causales existentes.

  • En medicina a menudo no hay teoría sólida.

    • Se tienen diversos modelos etiológicos.
    • El ensayo clínico es el paradigma de evidencia robusta para estimar efectos causales.
    • Estudios observacionales de intervención y etiologicos tratan de estimar efectos causales sin asignación aleatoria:
      • Bajo ciertos supuestos, esta aproximación puede ser razonable.

Los diseños de estudia importan parcialmente

  • Aunque los diseños de estudios (p. ej., estudio transversal, caso control, cohorte, etc.) son muy útiles para poder comunicar los métodos y justificar procedimientos que haremos, su uso es limitado para el plan de análisis.

    • Por ejemplo, una cohorte prospectiva puede ser usada para:

      • Estimar efectos causales (explicar)
      • Desarrolla y validar un modelo pronóstico (predecir)
      • Describir la historia natural de una enfermedad a lo largo del tiempo(describir)
  • Veremos unas pinceladas de en qué enfocarse para el plan de análisis según esta clasificación.

Las medidas estadística de interés importan más

  • Identificar qué se desea estimar es más importante que el diseño, pero suele amarrarse (parcialmente) a este.

  • Por ejemplo, si interesa prevalencia o razón de prevalencias se usan métodos diferentes a pesar de que ambos provienen de un mismo diseño transversal.

Métodos estadísticos según tipo de objetivo de estudio

Pasos para plantear plan de análisis

Agenda

  1. Introducción

  2. Pasos para plantear plan de análisis

  3. Algunas pautas sobre tablas

Paso 1 Especifica el tipo de objetivo de estudio (enfoque general)

Paso 2 Especifica la medida estadística de interés de acuerdo al diseño de estudio (interpretación y valor práctico)

Paso 3 Especifica las hipótesis de estudio de los valores p e intervalos de confianza (interpretación y decisión)

Paso 4 Ten en cuenta el mecanismo generador de datos en el análisis estadístico (exactitud)

Paso 5 Aplica Bioestadística Basada en Evidencia (BBE) para planear el análisis y reporte estadístico

Paso 6 Reporta los métodos de selección de variables en los análisis multivariables de acuerdo al tipo de objetivo de estudios

Paso 7 Provee evidencia de exploración de heterogeneidad /modificación de las métricas estadísticas / efectos de interés

Paso 8 Evalúa los supuestos, específicamente la distribución de los desenlaces, linealidad, multicolinealidad, ‘sparsity’, puntos influyentes y otros

  • overfitting

Paso 9 Reporta el análisis principal y el análisis de sensibilidad

Paso 10 Proporciona los métodos para resumir, mostrar e interpretar datos

Algunas pautas sobre tablas

Agenda

  1. Introducción

  2. Pasos para plantear plan de análisis

  3. Algunas pautas sobre tablas

Tablas tipo 1

Tablas tipo 2

Ejemplos de protocolos

¡Gracias!
¿Preguntas?

@psotob91

https://github.com/psotob91

percys1991@gmail.com